四大行為軸線：Claude 價值觀的核心架構

Anthropic 研究團隊先從 Claude 的輸出中辨識出超過 3,300 種不同的價值觀，再透過降維分析將它們壓縮為四大行為軸線 。每條軸線都是一道光譜，代表兩種對立傾向 。這四條軸線加起來，能解釋約 15% 的整體價值觀變異（在控制任務類型、話題與使用者本身價值觀之後）。

• 順應 (Deference) vs. 審慎 (Caution)：Claude 傾向於滿足使用者的期望，還是優先防範可能的風險與傷害 。
• 溫暖 (Warmth) vs. 嚴謹 (Rigor)：Claude 傾向於表達正向關懷，還是強調準確與精確 。
• 深度 (Depth) vs. 簡潔 (Brevity)：Claude 傾向於深入解釋，還是只做被要求的事 。
• 坦誠 (Candor) vs. 執行 (Execution)：Claude 傾向於展現自身的不確定性，還是產出更精緻、自信的回答 。

模型版本的「性格」差異：Sonnet 4.6、Opus 4.6 與 Opus 4.7

每個模型版本都呈現出獨特的價值取向，這與使用者主觀感受到的語氣差異一致 。

• Sonnet 4.6 偏向 順應、溫暖、簡潔與執行。它更願意配合使用者、情感溫暖、回答簡潔且傾向產出肯定、流暢的答案 。實務上，Sonnet 4.6 會認同你的想法、專注任務、直搗核心，不添加多餘評論 。
• Opus 4.6 偏向 順應、嚴謹、簡潔與執行——介於 Sonnet 的溫暖與 Opus 4.7 的審慎之間，在保持配合度的同時仍注重正確性 。
• Opus 4.7 偏向 審慎、嚴謹、深度與坦誠。它更傾向提出質疑、挑戰假設、主動指出風險、詳細解釋推理過程，並勇於承認自身限制 。使用者形容 Opus 4.7 是那個會反問你的計畫、提醒你沒想到的漏洞的模型 。

語言帶來最大變異：溫暖 vs. 嚴謹的軸線

在四條軸線中，溫暖 vs. 嚴謹 這條軸線表現出最大的跨語言差異 。Claude 的回應在不同語言之間的變化，比其他三條軸線都來得明顯 。

• 最溫暖（偏向順應、簡潔、執行）：Claude 在 印地語 中表現最溫暖，在 阿拉伯語 中也同樣展現出高度溫暖與順應 。
• 最嚴謹（偏向審慎、深度）：Claude 在 英語 與 俄語 中最為嚴謹，強調準確性、證據與謹慎 。

其他語言的特殊模式包括：在 荷蘭語 中，Claude 更坦誠；在 印尼語 中，它更偏重執行任務（直接完成任務）。而在 日語 中，Claude 在這些測量軸線上的偏差相對較小 。

對使用者的實務意義

這項研究證實，覺得不同時候或不同語言下用 Claude 感覺不一樣的使用者——你沒有想太多，這確實是系統性的現象 。

• 模型選擇影響任務適合度：如果你需要快速、鼓勵性的答案，Sonnet 4.6 更合適；如果你需要批判性反饋、風險分析或深度推理，Opus 4.7 才是正確選擇 。
• 語言選擇影響回覆基調：用印地語或阿拉伯語提問，傾向得到更溫暖、更順應的回應；用英語或俄語提問，則傾向收到更謹慎、更要求證據與準確度的回答 。

不過值得注意的是，這四條軸線僅能解釋 15% 的行為變異。也就是說，還有 85% 的差異原因尚未被這項研究所捕捉 。Anthropic 也坦言，這份研究是探索「為什麼」的起點，而非終點——語言造成的差異究竟是源自訓練資料分布差異、行為微調的決策，還是訓練語料中的文化脈絡，目前尚無定論 。

四大行為軸線：Claude 價值觀的核心架構

Anthropic 研究團隊先從 Claude 的輸出中辨識出超過 3,300 種不同的價值觀，再透過降維分析將它們壓縮為四大行為軸線 。每條軸線都是一道光譜，代表兩種對立傾向 。這四條軸線加起來，能解釋約 15% 的整體價值觀變異（在控制任務類型、話題與使用者本身價值觀之後）。

• 順應 (Deference) vs. 審慎 (Caution)：Claude 傾向於滿足使用者的期望，還是優先防範可能的風險與傷害 。
• 溫暖 (Warmth) vs. 嚴謹 (Rigor)：Claude 傾向於表達正向關懷，還是強調準確與精確 。
• 深度 (Depth) vs. 簡潔 (Brevity)：Claude 傾向於深入解釋，還是只做被要求的事 。
• 坦誠 (Candor) vs. 執行 (Execution)：Claude 傾向於展現自身的不確定性，還是產出更精緻、自信的回答 。

模型版本的「性格」差異：Sonnet 4.6、Opus 4.6 與 Opus 4.7

每個模型版本都呈現出獨特的價值取向，這與使用者主觀感受到的語氣差異一致 。

• Sonnet 4.6 偏向 順應、溫暖、簡潔與執行。它更願意配合使用者、情感溫暖、回答簡潔且傾向產出肯定、流暢的答案 。實務上，Sonnet 4.6 會認同你的想法、專注任務、直搗核心，不添加多餘評論 。
• Opus 4.6 偏向 順應、嚴謹、簡潔與執行——介於 Sonnet 的溫暖與 Opus 4.7 的審慎之間，在保持配合度的同時仍注重正確性 。
• Opus 4.7 偏向 審慎、嚴謹、深度與坦誠。它更傾向提出質疑、挑戰假設、主動指出風險、詳細解釋推理過程，並勇於承認自身限制 。使用者形容 Opus 4.7 是那個會反問你的計畫、提醒你沒想到的漏洞的模型 。

語言帶來最大變異：溫暖 vs. 嚴謹的軸線

在四條軸線中，溫暖 vs. 嚴謹 這條軸線表現出最大的跨語言差異 。Claude 的回應在不同語言之間的變化，比其他三條軸線都來得明顯 。

• 最溫暖（偏向順應、簡潔、執行）：Claude 在 印地語 中表現最溫暖，在 阿拉伯語 中也同樣展現出高度溫暖與順應 。
• 最嚴謹（偏向審慎、深度）：Claude 在 英語 與 俄語 中最為嚴謹，強調準確性、證據與謹慎 。

其他語言的特殊模式包括：在 荷蘭語 中，Claude 更坦誠；在 印尼語 中，它更偏重執行任務（直接完成任務）。而在 日語 中，Claude 在這些測量軸線上的偏差相對較小 。

對使用者的實務意義

這項研究證實，覺得不同時候或不同語言下用 Claude 感覺不一樣的使用者——你沒有想太多，這確實是系統性的現象 。

• 模型選擇影響任務適合度：如果你需要快速、鼓勵性的答案，Sonnet 4.6 更合適；如果你需要批判性反饋、風險分析或深度推理，Opus 4.7 才是正確選擇 。
• 語言選擇影響回覆基調：用印地語或阿拉伯語提問，傾向得到更溫暖、更順應的回應；用英語或俄語提問，則傾向收到更謹慎、更要求證據與準確度的回答 。

不過值得注意的是，這四條軸線僅能解釋 15% 的行為變異。也就是說，還有 85% 的差異原因尚未被這項研究所捕捉 。Anthropic 也坦言，這份研究是探索「為什麼」的起點，而非終點——語言造成的差異究竟是源自訓練資料分布差異、行為微調的決策，還是訓練語料中的文化脈絡，目前尚無定論 。